《Energy Economics》：Identifying common drivers of PM
2.5 on the supply and demand sides
编辑推荐：
本研究基于多区域投入产出模型与计量经济学方法，分析1995-2022年全球PM2.5排放生产端与消费端驱动因素，发现人口规模和能源结构对排放影响显著，人均GDP呈现生产端倒U型关系而消费端正相关，不同经济发展阶段的国家存在差异化排放模式，为制定精准污染治理政策提供依据。
蒋玉清|唐旭|任凯鹏|丁宇|罗鹏飞|王敏
中国石油大学（北京）经济管理学院，北京102249，中国
摘要
世界卫生组织规定的5 μg/m3的浓度阈值再次提醒我们，全球各国在管理PM?.5方面面临的严峻挑战。识别PM?.5排放的驱动因素（包括供给方和需求方）是提高治理效果的关键。本研究结合了多区域投入产出模型和计量经济模型，系统分析了1995年至2022年间全球各国PM?.5排放驱动因素的影响。主要研究结果如下：首先，全球PM?.5排放量从1179万吨增加到2698万吨；其次，从生产角度来看，人均GDP与PM?.5排放量之间存在倒U形关系，这一现象主要出现在发达国家；第三，人口因素对PM?.5排放的正面影响最大，其次是能源结构；第四，能源效率提升对PM?.5排放的负面影响在发展中国家更为明显，而在发达国家则相反；最后，城市化率对PM?.5排放的影响较为复杂。这些发现揭示了社会经济因素如何在不同方面影响PM?.5排放，为全球及国家层面的有针对性法规制定提供了新的见解。
引言
空气动力学直径小于2.5 μm的颗粒物（PM?.5）对环境和人类健康构成严重威胁，PM?.5污染控制问题一直受到科学家、政府和社会公众的关注（WHO，2021年）。世界卫生组织的空气质量指南将影响人类健康的PM?.5浓度阈值从10 μg/m3降至5 μg/m3，表明即使低浓度的PM?.5也可能对人体健康造成危害。
国际癌症研究机构（IARC）于2013年将PM?.5列为人类致癌物（Xu等人，2013年）。根据《全球疾病负担》报告，2019年全球有超过400万人因暴露于PM?.5而过早死亡（Murray等人，2020年）。尽管各国都设定了PM?.5浓度减排目标，但关于减排量的具体规定尚不明确，同时缺乏对能源、环境和产业政策是否有助于全球PM?.5减排的全面分析。在全球生产体系中，跨国贸易将本地生产与境外消费紧密联系在一起，这使得基于生产的PM?.5排放与驱动因素之间的脱钩可能被低估（Ou等人，2020年）；而基于消费的PM?.5排放的脱钩可能被高估。从多个角度理解PM?.5的成因对于制定适当的污染控制政策并尽早实现减排目标至关重要。
现有研究从生产和消费两个方面探讨了影响PM?.5浓度的因素。目前，除了考虑国内产生的环境影响（如国内空气污染物）外，还需要通过投入产出模型量化一国在国内外的消费对环境的影响。前者被称为“基于生产的”影响，后者则称为“基于消费”的影响（Peters，2008年）。
从生产角度来看，现有研究可根据驱动因素类别进一步分为两类：一类是自然和社会经济因素，主要包括温度、湿度、坡度、臭氧浓度和风速（Shao等人，2023年）。一些研究发现温度和湿度与PM?.5浓度有很强的相关性（Zeng等人，2025年）。Liu等人（2022年）指出，2米高度的露点温度（TED）、10米高度的南风（WV）和2米高度的空气温度（TEM）是影响PM?.5浓度变化的重要气象因素。除了自然因素外，社会经济因素与PM?.5浓度之间的关联也受到越来越多的学术关注，包括人口数量、第二产业占比、人均GDP和能源结构（Wang等人，2024年）。此外，两种视角的研究方法也有所不同：计量经济回归和指数分解分析通常用于分析生产方面的驱动因素。著名的STRIPAT模型被用来研究人口、富裕程度和技术对PM?.5排放的影响（Zhang等人，2019年）。例如，Liu等人（2021年）使用STIRPAT模型和横截面回归方法探讨了不同类型城市中社会经济因素对PM?.5健康风险的影响和差异。许多学者还从区域角度研究了PM?.5污染的驱动因素。Lin等人（2022年）应用面板数据模型分析了2005年至2018年中国PM?.5的主要社会经济驱动因素。关于中国PM?.5浓度驱动因素的众多研究详见附表A4。因子分解是另一种常用方法，主要包括对数平均分解指数（LMDI）。Lyu等人（2016年）通过LMDI研究了中国整体和各行业的PM?.5排放主要驱动因素。与从生产角度研究PM?.5浓度不同，一些从消费角度的研究关注社会经济因素对PM?.5排放的影响。在研究驱动因素之前，学者们通常使用多区域投入产出（MRIO）模型来分析不同规模的基于消费的PM?.5排放（Meng等人，2016年；Zhou和Chen，2017年）。研究方法主要包括结构分解分析（SDA），该方法常用于分析CO?和PM?.5排放等驱动因素（Meng等人，2019年；Shimotsuura，2025年）。
现有研究主要从单一角度分析污染物（包括PM?.5）的驱动因素，这忽略了驱动因素对全球生产系统的整体影响。实际上，这不利于政策制定者全面理解污染物排放系统，也无法得出适用于全球生产系统的通用规律。此外，从单一角度分析PM?.5的驱动因素可能会因数据来源和方法的不同而得出相反的结果。例如，Zhang等人（2019b）的研究中人均GDP的影响方向相反。因此，整合基于生产和消费的PM?.5驱动因素进行研究是有价值的。此外，现有研究主要分析了区域、行业和部门层面的PM?.5浓度驱动因素，缺乏全球视角，难以为各国提供减排合作的决策支持。
为了解决上述问题，我们采用计量经济方法中的面板回归模型，系统分析了1995–2022年间影响生产和消费方面PM?.5排放的驱动因素，并量化了这些因素在全球生产系统中的作用机制。通过分析不同国家组中PM?.5排放驱动因素的共性和个性，为制定针对具体国家的多样化PM?.5减排计划提供了理论指导和基础。我们尝试对不同国家的PM?.5排放模式进行分类，并系统展示了20年间典型发展中国家和发达国家的PM?.5排放演变情况。主要驱动因素包括国家富裕程度、能源效率、能源结构、人口规模、城市化率和产业结构。
本研究旨在弥补现有研究的不足，这些研究仅从单一角度分析PM?.5排放的驱动因素。本研究建立了统一的分析框架，同时考虑了生产和消费两方面的PM?.5排放，从而解决了以往研究中因视角不同导致的结论矛盾，并扩展了污染物驱动因素的分析维度。其次，本研究揭示了不同国家类型中PM?.5排放模式的共性和独特性，为制定差异化的污染控制理论提供了实证支持。通过全面考虑全球贸易体系中的跨境产业联系，本研究促进了国际间的减排合作，有助于实现PM?.5污染控制目标。
部分摘录
计量经济模型
基于Hausman检验的结果，选择了固定效应模型。为减少散布、多重共线性和异方差性，作者将所有变量转换为自然对数。众所周知，这种回归方法比普通线性回归产生更一致和准确的结果。模型构建细节如下：
（1）PM?.5污染与经济增长之间存在环境库兹涅茨曲线（EKC曲线），这将直接影响减排政策
生产和消费方面的PM?.5排放演变
基于全球EXIOBASE V3.9.6数据库和1995年至2022年的主要PM?.5排放数据，展示了生产和消费方面的PM?.5排放情况（见图1）。不同国家在图中的PM?.5趋势存在差异：例如，俄罗斯在不同方面的变化模式不同，美国的隐含PM?.5排放量明显高于生产方面。
人均GDP对生产和消费方面PM?.5的影响机制
一些研究表明，无论是在发达国家还是发展中国家，空气污染与经济增长之间的关系都是非线性的，主要符合环境库兹涅茨曲线（EKC）假说。例如，Xu等人（2023年）从中国视角发现人均GDP与PM?.5浓度呈负相关；Niu等人（2024年）发现中国城市中经济发展与PM?.5强度之间存在倒U形关系。
结论与政策建议
本研究首次采用面板固定效应模型，从生产和消费两个方面比较了1995–2022年间43个经济体的PM?.5排放的社会经济驱动因素。这项深入研究揭示了不同国家空气污染物排放模式的共性和个性，为综合管理空气污染物排放提供了新的见解。研究发现人均GDP与基于生产的PM?.5排放之间存在倒U形关系。
CRediT作者贡献声明
蒋玉清：撰写——初稿、可视化、方法论、数据整理、概念构建。唐旭：撰写——审稿与编辑、监督、项目管理、资金筹集。任凯鹏：可视化、方法论、概念构建。丁宇：软件开发、数据整理。罗鹏飞：可视化、方法论。王敏：软件开发、数据整理。
利益冲突声明
作者声明没有已知的财务利益冲突或个人关系可能影响本文的研究结果。
致谢
本研究得到了国家自然科学基金（编号72174206）和中国石油大学北京分校科学基金（编号2462023YQTD002、2462022SZBH015、2462024BJRC014）的支持。
